Evaluacion de desempeño umayor 2013
-
Upload
diplomadostmumayor -
Category
Documents
-
view
192 -
download
0
Transcript of Evaluacion de desempeño umayor 2013
![Page 1: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/1.jpg)
Pedro Cortes AlfaroTecnólogo Medico (Mg)
Bioestadística aplicada a Control de Calidad
![Page 2: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/2.jpg)
2
• Modelos probabilísticos
![Page 3: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/3.jpg)
3
Variable aleatoria
• El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica.
• En estos casos aparece la noción de variable aleatoria– Función que asigna a cada suceso un número.
• Las variables aleatorias pueden ser discretas o continuas
• En las siguientes transparencias vamos a recordar conceptos de temas anteriores, junto con su nueva designación. Los nombres son nuevos. Los conceptos no.
![Page 4: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/4.jpg)
4
Función de probabilidad (V. Discretas)
• Asigna a cada posible valor de una variable discreta su probabilidad.
• Recuerda los conceptos de frecuencia relativa y diagrama de barras.
• Ejemplo– Número de caras al lanzar 3
monedas.0%
5%
10%
15%
20%
25%
30%
35%
40%
0 1 2 3
![Page 5: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/5.jpg)
5
Función de densidad (V. Continuas)
• Definición– Es una función no negativa de integral 1.
• Piénsalo como la generalización del histograma con frecuencias relativas para variables continuas.
• ¿Para qué lo voy a usar?– Nunca lo vas a usar directamente.– Sus valores no representan probabilidades.
![Page 6: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/6.jpg)
6
¿Para qué sirve la f. densidad?
• Muchos procesos aleatorios vienen descritos por variables de forma que son conocidas las probabilidades en intervalos.
• La integral definida de la función de densidad en dichos intervalos coincide con la probabilidad de los mismos.
• Es decir, identificamos la probabilidad de un intervalo con el área bajo la función de densidad.
![Page 7: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/7.jpg)
7
Función de distribución
• Es la función que asocia a cada valor de una variable, la probabilidad acumulada de los valores inferiores o iguales.
– Piénsalo como la generalización de lasfrecuencias acumuladas. Diagrama integral.
• A los valores extremadamente bajos les corresponden valores de la función de distribución cercanos a cero.
• A los valores extremadamente altos les corresponden valores de la función de distribución cercanos a uno.
• Lo encontraremos en los artículos y aplicaciones en forma de “p-valor”, significación,…
![Page 8: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/8.jpg)
8
¿Para qué sirve la f. distribución?
• Contrastar lo anómalo de una observación concreta.• Sé que una persona de altura 210cm es “anómala” porque la función de
distribución en 210 es muy alta.• Sé que una persona adulta que mida menos de 140cm es “anómala” porque la
función de distribución es muy baja para 140cm.
• Sé que una persona que mida 170cm no posee una altura nada extraña pues su función de distribución es aproximadamente 0,5.
• Relaciónalo con la idea de cuantil.• En otro contexto (contrastes de hipótesis) podremos observar unos
resultados experimentales y contrastar lo “anómalos” que son en conjunto con respecto a una hipótesis de terminada.
![Page 9: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/9.jpg)
9
Valor esperado y varianza de una v.a. X
• Valor esperado – Se representa mediante E[X] ó μ– Es el equivalente a la media
• Varianza– Se representa mediante VAR[X] o σ2
– Es el equivalente a la varianza– Se llama desviación típica a σ
![Page 10: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/10.jpg)
10
Es la razón entre la desviación típica y la media. Mide la desviación típica en forma de
“qué tamaño tiene con respecto a la media” También se la denomina variabilidad relativa. Es frecuente mostrarla en porcentajes
Si la media es 80 y la desviación típica 20 entonces CV=20/80=0,25=25% (variabilidad relativa)
Es una cantidad adimensional. Interesante para comparar la variabilidad de diferentes variables.
Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos presentan más dispersión en peso que en altura.
No debe usarse cuando la variable presenta valores negativos o donde el valor 0 sea una cantidad fijada arbitrariamente
Por ejemplo 0ºC ≠ 0ºF Los ingenieros electrónicos hablan de la razón ‘señal/ruido’ (su inverso).
x
SCV
Coeficiente de variación
![Page 11: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/11.jpg)
11
Algunos modelos de v.a.
• Hay v.a. que aparecen con frecuencia en las Ciencias de la Salud.– Experimentos dicotómicos.
• Bernoulli
– Contar éxitos en experimentos dicotómicos repetidos:• Binomial• Poisson (sucesos raros)
– Y en otras muchas ocasiones…• Distribución normal (gaussiana, campana,…)
• El resto del tema está dedicado a estudiar estas distribuciones especiales.
![Page 12: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/12.jpg)
12
Distribución binomial
• Función de probabilidad
– Problemas de cálculo si n es grande y/o p cercano a 0 o 1.
• Media: μ =n p
• Varianza: σ2 = n p q
nkqpk
nkXP knk
0 ,][
![Page 13: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/13.jpg)
13
Distribución Binomial
• Si se repite un número fijo de veces, n, un experimento de Bernoulli con parámetro p, el número de éxitos sigue una distribución binomial de parámetros (n,p).
• Lanzar una moneda 10 veces y contar las caras.– Bin(n=10,p=1/2)
• Lanzar una moneda 100 veces y contar las caras.– Bin(n=100,p=1/2)– Difícil hacer cálculos con esas cantidades. El modelo normal será más adecuado.
• El número de personas que enfermará (en una población de 500.000 personas) de una enfermedad que desarrolla una de cada 2000 personas.
– Bin(n=500.000, p=1/2000)» Difícil hacer cálculos con esas cantidades. El modelo de Poisson será más
adecuado.
![Page 14: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/14.jpg)
14
Distribución de Poisson
• También se denomina de sucesos raros.• Se obtiene como aproximación de una
distribución binomial con la misma media, para ‘n grande’ (n>30) y ‘p pequeño’ (p<0,1).
• Queda caracterizada por un único parámetro μ (que es a su vez su media y varianza.)
• Función de probabilidad:
,...2,1,0 ,!
][ kk
ekXPk
![Page 15: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/15.jpg)
15
Ejemplos de variables de Poisson
• El número de individuos que será atendido un día cualquiera en el servicio de urgencias del hospital clínico universitario.– En Málaga hay 500.000 habitantes (n grande)– La probabilidad de que cualquier persona tenga un accidente es pequeña,
pero no nula. Supongamos que es 1/10.000– Bin(n=500.000,p=1/10.000) ≈ Poisson(μ=np=50)
• Sospechamos que diferentes hospitales pueden tener servicios de traumatología de diferente “calidad” (algunos presentan pocos, pero creemos que aún demasiados, enfermos con secuelas tras la intervención). Es dificil compararlos pues cada hospital atiende poblaciones de tamaños diferentes (ciudades, pueblos,…)– Tenemos en cada hospital n, nº de pacientes atendidos o nº individuos de
la población que cubre el hospital.– Tenemos p pequeño calculado como frecuencia relativa de secuelas con
respecto al total de pacientes que trata el hospital, o el tamaño de la población,…
– Se puede modelar mediante Poisson(μ=np)
![Page 16: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/16.jpg)
16
Distribución normal o de Gauss
• Aparece de manera natural:– Errores de medida.– Distancia de frenado.– Altura, peso, propensión al crimen…– Distribuciones binomiales con n grande (n>30) y ‘p ni
pequeño’ (np>5) ‘ni grande’ (nq>5).
• Está caracterizada por dos parámetros: La media, μ, y la desviación típica, σ.
• Su función de densidad es:2
2
1
2
1)(
x
exf
![Page 17: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/17.jpg)
17
N(μ, σ): Interpretación geométrica
• Pudes interpretar la media como un factor de traslación.
• Y la desviación típica como un factor de escala, grado de dispersión,…
![Page 18: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/18.jpg)
18
N(μ, σ): Interpretación probabilista
• Entre la media y una desviación típica tenemos siempre la misma probabilidad: aprox. 68%
• Entre la media y dos desviaciones típicas aprox. 95%
![Page 19: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/19.jpg)
19
Algunas características• La función de densidad es simétrica, mesocúrtica y unimodal.
– Media, mediana y moda coinciden.
• Los puntos de inflexión de la fun. de densidad están a distancia σ de μ.
• Si tomamos intervalos centrados en μ, y cuyos extremos están…
– a distancia σ, tenemos probabilidad 68%– a distancia 2 σ, tenemos probabilidad 95%– a distancia 2’5 σ tenemos probabilidad 99%
• No es posible calcular la probabilidad de un intervalo simplemente usando la primitiva de la función de densidad, ya que no tiene primitiva expresable en términos de funciones ‘comunes’.
• Todas las distribuciones normales N(μ, σ), pueden ponerse mediante una traslación μ, y un cambio de escala σ, como N(0,1). Esta distribución especial se llama normal tipificada.
– Justifica la técnica de tipificación, cuando intentamos comparar individuos diferentes obtenidos de sendas poblaciones normales.
![Page 20: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/20.jpg)
20
Tipificación
• Dada una variable de media μ y desviación típica σ, se denomina valor tipificado,z, de una observación x, a la distancia (con signo) con respecto a la media, medido en desviaciones típicas, es decir
• En el caso de variable X normal, la interpretación es clara: Asigna a todo valor de N(μ, σ), un valor de N(0,1) que deja exáctamente la misma probabilidad por debajo.
• Nos permite así comparar entre dos valores de dos distribuciones normales diferentes, para saber cuál de los dos es más extremo.
x
z
![Page 21: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/21.jpg)
21
Tabla N(0,1)Z es normal tipificada.
Calcular P[Z<1,85]
Solución: 0,968 = 96,8%
![Page 22: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/22.jpg)
22
Tabla N(0,1) Z es normal tipificada.
Calcular P[Z<-0,54]
Solución: 1-0,705 = 0,295
![Page 23: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/23.jpg)
23
Tabla N(0,1) Z es normal tipificada.
Calcular P[-0,54<Z<1,85]
Solución: 0,968-0,295= 0,673
![Page 24: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/24.jpg)
24
Ejemplo: Cálculo con probabilidades normales
• El colesterol en la población tiene distribución normal, con media 200 y desviación 10.
• ¿Qué porcentaje de individuos tiene colesterol inferior a 210?
• Qué valor del colesterol sólo es superado por el 10% de los individuos.
![Page 25: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/25.jpg)
25
• Todas las distribuciones normales son similares salvo traslación y cambio de escala: Tipifiquemos.
110
200210
x
z
841,0)ver tabla(]00,1[ ZP
![Page 26: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/26.jpg)
26Bioestadística. U. Málaga.
8,21228,11020010
20028,1
x
x
• El valor del colesterol que sólo supera el 10% de los individuos es el percentil 90. Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificación.
x
z
![Page 27: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/27.jpg)
27
Ejemplo: Tipificación
• Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se asignará al que tenga mejor expediente académico.– El estudiante A tiene una calificación de 8 en un sistema donde la
calificación de los alumnos se comporta como N(6,1).– El estudiante B tiene una calificación de 80 en un sistema donde la
calificación de los alumnos se comporta como N(70,10).
• Solución– No podemos comparar directamente 8 puntos de A frente a los 80
de B, pero como ambas poblaciones se comportan de modo normal, podemos tipificar y observar las puntuaciones sobre una distribución de referencia N(0,1)
![Page 28: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/28.jpg)
28
110
7080
21
68
B
BBB
A
AAA
xz
xz
Como ZA>ZB, podemos decir que el porcentaje de compañeros del mismo sistema de estudios que ha superado en calificación el estudiante A es mayor que el que ha superado B.
Podríamos pensar en principio que A es mejor candidato para la beca.
![Page 29: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/29.jpg)
29
Aplic. de la normal: Estimación en muestras
• Cada muestra ofrece un resultado diferente: La media muestral es variable aleatoria.
• Su distribución es más parecida a la normal que la original.
• También está menos dispersa. A su dispersión (‘desv. típica del estimador media muestral’… ¿os gusta el nombre largo?) se le suele denominar error típico.
![Page 30: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/30.jpg)
30
Aplicacion de la normal: Estimación en muestras
• Al aumentar el tamaño, n, de la muestra:
– La normalidad de las estimaciones mejora
– El error típico disminuye.
![Page 31: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/31.jpg)
31
Distribuciones asociadas a la normal
• Cuando queramos hacer inferencia estadística hemos visto que la distribución normal aparece de forma casi inevitable.
• Dependiendo del problema, podemos encontrar otras (asociadas):
– X2 (chi cuadrado)– t- student– F-Snedecor
• Estas distribuciones resultan directamente de operar con distribuciones normales. Típicamente aparecen como distribuciones de ciertos estadísticos.
• Veamos algunas propiedades que tienen (superficialmente). Para más detalles consultad el manual.
• Sobre todo nos interesa saber qué valores de dichas distribuciones son “atípicos”.
– Significación, p-valores,…
![Page 32: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/32.jpg)
32
T de student
• Tiene un parámetro denominado grados de libertad.
• Cuando aumentan los grados de libertad, más se acerca a N(0,1).
• Es simétrica con respecto al cero.
• Se consideran valores anómalos los que se alejan de cero (positivos o negativos).
![Page 33: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/33.jpg)
33
Aplicación
• ¿Sabrías interpretar lo que falta por sombrear?
• ¿Puedes dar un intervalo de confianza para la media al 68% de confianza?
• Observa la asimetría. ¿Crees probable que la asimetría en la población pueda ser cero ya que la obtenida en la muestra es aprox. 1?
Descriptivos para Número de hijos
1,90 ,045
1,81
1,99
1,75
2,00
3,114
1,765
0
8
8
3,00
1,034 ,063
1,060 ,126
Media
Límiteinferior
Límitesuperior
Intervalo deconfianza para lamedia al 95%
Media recortada al 5%
Mediana
Varianza
Desv. típ.
Mínimo
Máximo
Rango
Amplitud intercuartil
Asimetría
Curtosis
Estadístico Error típ.
![Page 34: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/34.jpg)
34
2
21
ZZ
![Page 35: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/35.jpg)
n
stx
n
stxIC n
nn
n1
11
1%95
Factor relacionadocon la confianza Parámetro: Media Poblacional Error Estándar
Estimo
Nivel deconfianza Límites de confianza
IC95%
FÓRMULA DEL INTERVALO DE CONFIANZA PARA LA MEDIA
![Page 36: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/36.jpg)
Nivel de confianza
Límites de confianza
Parámetro: Prevalencia Poblacional Error Estándar
n
ppzp
n
ppzpIC
)1()1(%95 2/2/ IC95%
FÓRMULA DEL INTERVALO DE CONFIANZA PARA LA PROPORCIÓN
![Page 37: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/37.jpg)
![Page 38: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/38.jpg)
![Page 39: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/39.jpg)
![Page 40: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/40.jpg)
![Page 41: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/41.jpg)
![Page 42: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/42.jpg)
42
Variabilidad de los procesos
CO4311- Estadística para la Calidad
![Page 43: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/43.jpg)
![Page 44: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/44.jpg)
me
did
a a
erroraleatorio
valo
r ve
rda
dero
error sistemático
me
did
a b
80 90 100 110 120
resultado medición
pro
bab
ilid
ad
-15 0
tamaño error sistemático
![Page 45: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/45.jpg)
Evaluación de desempeño
Pedro Cortes AlfaroTecnólogo Medico (Mg)
![Page 46: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/46.jpg)
Un químico afirma que el rendimiento medio de la población de cierto proceso en lotes es 500 gramos por milímetro de materia prima. Para verificar esta afirmación toma una muestra de 25 lotes cada mes. Si el valor de t calculado cae entre –t0.05 y t0.05, queda satisfecho con su
afirmación. ¿Qué conclusión extraería de una muestra que tiene una media de 518 gramos por milímetro y una desviación estándar de 40 gramos? Suponga que la distribución de rendimientos es aproximadamente normal.
![Page 47: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/47.jpg)
De la tabla encontramos que t0.05 para 24 grados de libertad es de 1.711. Por tanto, el
fabricante queda satisfecho con esta afirmación si una muestra de 25 lotes rinde un valor t entre –1.711 y 1.711.
![Page 48: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/48.jpg)
Valor verdadero
Variabilidad Pre-analítica (estimada como irrelevante)
Variabilidad Biológica Intrínseca (una constante)
Variabilidad analítica (imprecisión analítica total)
Resultado de la muestra
VARIABILIDAD TOTAL
Bias Analítico
Variabilidad Analítica (imprecisión analítica total)
+ ERROR TOTALBias Analítico =
Composición de un dato de laboratorio
![Page 49: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/49.jpg)
me
did
a a
erroraleatorio
valo
r ve
rda
dero
error sistemático
me
did
a b
80 90 100 110 120
resultado medición
pro
bab
ilid
ad
-15 0
tamaño error sistemático
![Page 50: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/50.jpg)
Bias: “Modelos de Estimación”
¿De que forma podemos estimar el Bias de nuestros métodos?
1)- Comparación de Métodos.2)- Esquemas Interlaboratorio o Peer Group.3)- Control de Calidad Externo.- Regresión- T test4)- Estudios de Recuperación, verificación de la veracidad .5)- Otros.
![Page 51: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/51.jpg)
Interpretación de resultados
X = 100 mg/dl (valor verdadero)Y = 109,1 mg/dl (valor obtenido)
¿Cuál es el Bias en porcentaje?Bias = Valor Obtenido – Valor Verdadero x 1oo
Valor VerdaderoBias = 109,1 – 100 x 1oo
100Bias = 9,1 %
Bias: “Comparación de Métodos”
![Page 52: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/52.jpg)
Evaluemos Nivel 1:
Supongamos valor verdadero: Media grupo parLab: 40,07
Media grupo par: 39,05Bias: ( 40,07 - 39,05) = 1,02Bias %: (1,02 / 39,05)*100= 2,61%
Bias: “Esquemas Interlaboratorio”
![Page 53: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/53.jpg)
El TE a debe expresarse en porcentaje.Si TE a está expresado en concentración, debe transformarse en porcentaje considerando el nivel de decisión médica seleccionado:
Desempeño del Método
TE a: 1 mg/dl (Calcio)Nivel de decisión médica: 11 mg/dlTE a%: (1/11)*100 = 9,1 %
TE a: 0,5 mEq/l (Potasio)Nivel de decisión médica: 3,0 mEq/lTE a%: (0,5/3,0)*100 = 16,7 %
![Page 54: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/54.jpg)
Desempeño del Método
Crear el gráfico:- Rotular el eje Y como Inexactitud permitida ( BIAS %) y establecer una escala de 0 a TE a%.- Rotular el eje X como Imprecisión permitida ( CV %) y establecer una escala de 0 a TE a.0,5 (la mitad)- Dibujar la línea bias + 2SD uniendo el TE a en el eje Y con el TE a.0,5 en el eje X.- Dibujar la línea bias + 3SD uniendo el TE a en el eje Y con el TE a.0,33 en el eje X.- Dibujar la línea bias + 4SD uniendo TE a en el eje Y con el TE a.0,25 en el eje X.- Rotular las zonas ( de derecha a izquierda) como Pobre, Marginal, Bueno y Excelente.
![Page 55: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/55.jpg)
![Page 56: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/56.jpg)
90% AQAcon N, de 3
(Mira primero)
90% AQAcon N de 6
(Mira segundo)
50% AQAcon N, de 3
(Mira tercero)
50% AQAcon N de 6
(Mira cuarto)
![Page 57: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/57.jpg)
![Page 58: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/58.jpg)
FORMULA 1
![Page 59: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/59.jpg)
![Page 60: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/60.jpg)
1)- Esquema de reglas seleccionado2)- Pfr del esquema seleccionado (Probabilidad Falso error)3)- Ped del esquema seleccionado (Probabilidad de detección de error)4)- Cantidad de controles por corrida5)- Cantidad de corridas6)- Punto Operativo (CV, Bias)7)- Tea (Error Total aceptado)
8)- Sigma y Error sistemático Crítico9)- Error total del sistema
![Page 61: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/61.jpg)
CARTA DE FUNCION DE PODER
![Page 62: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/62.jpg)
FORMULA 2
![Page 63: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/63.jpg)
![Page 64: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/64.jpg)
![Page 65: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/65.jpg)
ERROR CRITICO o ES crit O ES max
Mayor a 4 Excelente desempeño
Entre 3 y 4 Debería mejorar el proceso de control de calidad Ej. Verificar Nº de Controles
Entre 2 y 3 Debe mejorar el proceso de control de calidad ej. Aumentar el numero de controles
Menor de 2 Requiere mejorar el desempeño de exactitud y precisión
![Page 66: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/66.jpg)
![Page 67: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/67.jpg)
NUMERO DE SIGMA SEGÚN REQUISITOS DE CALIDAD
![Page 68: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/68.jpg)
0.0 1.0 2.0 3.0 4.0 5.0 6.0
0.0
2.0
4.0
6.0
8.0
10.0
12.0Medical Decision Chart
6 Sigma
5 Sigma
4 Sigma
3 Sigma
2 Sigma
Operating Point
Allowable Imprecision (s, %)
Allo
wab
le I
nac
cura
cy (
bia
s, %
)
.
![Page 69: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/69.jpg)
SEIS SIGMA – REGLA DE CONTROL
SIGMA REGLA DE CONTROL PARA 2 MATERIALES
S > 6 1 3,5 S. Método con excelente desempeño
5 ≤ S < 6 1 3s. Método con desempeño bueno
4 ≤ S < 5 2 2,5s. Método con desempeño marginal. Debe mejorar precisión.
S < 4 13s / 22s /R4s , (Multiregla clásica). Método con desempeño pobre. Debe mejorar precisión y exactitud. Se recomienda maximizar el procedimiento de control de calidad, mejorando la mantención preventiva y funciones de verificación del instrumento. Mejorar la capacitación del operador.
![Page 70: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/70.jpg)
Medir Variación
- Es útil para los procesos analíticos- Evalúo imprecisión.- Evalúo Bias.- Considero los Requerimientos de Calidad.- Estimo el desempeño Sigma.
Medición de la Calidad con la Métrica Sigma
![Page 71: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/71.jpg)
AnalitosANALISIS DE DESEMPEÑO
CCI valor CCE
valor% SESGO % CV CARTA OPS SE
media sd CV teorico DRP media sd CV
obtenido
CLIA% sesgo ET
NORMAL
Normal
imprecision
inexactitud CriticoSigma
z-score
Química Clinica
Acido Úrico 8,84 0,18 2,04 8,89 -0,05 9,31 0,23 2,47 9,3 17 0,11 3,47 0,63 11,98 11,98 0,6 6,65 8,30 -0,043
Albumina 4,56 0,17 3,73 4,11 1,25 2,96 0,16 5,41 3 10 1,35 7,50 13,51 37,28 37,28 13,5 0,67 2,32 0,250
Amilasa 67 1 1,49 67,2 30 0,00 0,0 18,45 20,10#¡DIV/
0!
Amonio #¡DIV/
0! 0,00 0,0#¡DIV/
0!#¡DIV/
0!#¡DIV/
0!Bilirrubina Total 4,27 0,308 7,21 4,56 -4,25 4,76 0,35 7,35 4,56 20 4,20 16,10 21,01 36,07 36,07 21,0 0,54 2,19 -0,571Bilirrubina Directa 0,27 0,01 3,70 0,33 0,00 0,0 -1,65 0,00
#¡DIV/0!
Calcio 8,78 0,13 1,48 8,62 5,37 12,72 0,61 4,80 13,4 1 5,35 7,79534,5
9148,0
6148,0
6 534,6 1,29 2,94 1,115
![Page 72: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/72.jpg)
QC1 QC2 QC3
Media: 345 mg/dLDS: 12 mg/dL
Media: 445 mg/dLDS: 29 mg/dL
Media: 645 mg/dLDS: 43 mg/dL
![Page 73: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/73.jpg)
1.- ¿Cuál es la magnitud de imprecisión de los tres niveles?
QC1 QC2 QC3
Media: 345 mg/dLDS: 12 mg/dL
Media: 445 mg/dLDS: 29 mg/dL
Media: 645 mg/dLDS: 43 mg/dL
100xx
SCV
%47,31cv %51,6
2cv %66,6
3cv
![Page 74: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/74.jpg)
QC1 QC2 QC3
Media: 345 mg/dLDS: 12 mg/dL
Media: 445 mg/dLDS: 29 mg/dL
Media: 645 mg/dLDS: 43 mg/dL
2.- ¿Cuál es incertidumbre expandida de los tres niveles?
n
sZnsZ .. 2
21
2
21
ZZ
z
96,12 Z
29,430
12.96,1
1qc
37,1030
29.96,1
2qc
38,1530
43.96,1
3qc
![Page 75: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/75.jpg)
3.- ¿Cuál de los controles tiene mayor Error aleatorio?
QC1 QC2 QC3
Media: 345 mg/dLDS: 12 mg/dL
Media: 445 mg/dLDS: 29 mg/dL
Media: 645 mg/dLDS: 43 mg/dL
%47,31cv %51,6
2cv %66,6
3cv
![Page 76: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/76.jpg)
El profesional evalúa la calibración del equipo con un MRC valorado en 50,5 mg/dL. Lo evalúa con 20 determinaciones obteniendo una media de 52,2 mg/dL y una Ds 0,9 mg/dL, y considera que debe trabajar con un límite de confianza de 95%.
100% xvv
vvvosesgo
5,50vv
2,52vo100
5,50
5,502,52% xsesgo
%36,3% sesgo
![Page 77: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/77.jpg)
¿El equipo se encuentra calibrado?
n
svovv
t
20n
05,0
1ngl
19120 gl
093,2,
t gl
20
9,02,525,50
t
44,8t
-8,44 -2,093 2,093
NO ESTA CALIBRADO
![Page 78: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/78.jpg)
¿Cuál es la incertidumbre de la medición del equipo?
El profesional evalúa la calibración del equipo con un MRC valorado en 50,5 mg/dL. Lo evalúa con 20 determinaciones obteniendo una media de 52,2 mg/dL y una Ds 0,9 mg/dL, y considera que debe trabajar con un límite de confianza de 95%.
2
21
tt
n
stnst gl
gl.. ,2
,2
1
093,2,2 glt
20
9,0.093,2Inc
094,0Inc
3,52;1,52cc
![Page 79: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/79.jpg)
¿Cuál es el error típico de la medición del QC1?
n
sEE
QC1 QC2 QC3
Media: 345 mg/dLDS: 12 mg/dL
Media: 445 mg/dLDS: 29 mg/dL
Media: 645 mg/dLDS: 43 mg/dL
19,230
12EE
19,347;81,342media
![Page 80: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/80.jpg)
7.- ¿Cual es el error típico de verificación de la calibración?
n
sEE 2,0
20
9,0EE
4,52;0,52media cal
![Page 81: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/81.jpg)
8.- Si el TEa del ensayo es un 10% ¿Esta en un buen desempeño?
xCVsesgoTE 65,1%
%36,3% sesgo
%47,31cv %51,6
2cv %66,6
3cv
%08,947,365,136,31
xcvTE
%1,1451,665,136,32
xcvTE
%3,1466,665,136,33
xcvTE
![Page 82: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/82.jpg)
9.- ¿Cuál es la magnitud del error sistemático (ES)?
100% xvv
vvvosesgo
5,50vv
2,52vo
1005,50
5,502,52% xsesgo
1005,50
2,525,50% xsesgo
%36,3% sesgo
ESBIASsesgo %%
![Page 83: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/83.jpg)
10.- Considerando los valores obtenidos y con TEa de 10% ¿Cual es el error aleatorio maximo que debo esperar en cada QC?
%36,3% sesgo
xCVsesgoTEa65,1%
65,1
%sesgoCV TE a
%02,465,1
%36,3%10
CV
![Page 84: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/84.jpg)
11.- ¿Cuál es el cinturón de confianza de la medición del equipo?
2
21
tt
n
stnst gl
gl.. ,2
,2
1
093,2,2 glt
20
9,0.093,2Inc
094,0Inc
3,52;1,52cc
![Page 85: Evaluacion de desempeño umayor 2013](https://reader036.fdocumento.com/reader036/viewer/2022062319/556ce6acd8b42ac3528b4bfd/html5/thumbnails/85.jpg)
14.- ¿Cuáles de los tres QC tiene mejor desempeño?
%47,31cv
%51,62cv
%66,63cv